LongCat-Flash-Prover 开源：MiniF2F-Test 97.1%（72 次预算）

LongCat-Flash-Prover 面向 Lean4 形式化定理证明，把推理拆成三个原子能力：自动形式化（Auto-Formalization，把自然语言题目翻译为 Lean4 形式化描述）、草稿生成（Sketching，把大定理拆成若干待证 Lemma 与 Main Body）、证明生成（Proving，沿草稿补全细节）。训练采用结合工具集成推理（TIR）的“混合专家迭代”框架：Cold-Start 阶段用团队早期基于 TIR 与 DPO 训练的 Auto-Formalizer 专有模型 ATF-32B 合成 Formal Statement，再由 LongCat-Flash-Thinking-2601 生成带 Lean4 验证工具反馈的高质量轨迹，经去污、去重与按难度和多样性采样后，用领域混合 SFT 整合不同模型族的能力得到冷启动模型；Iteration 阶段以冷启动模型为新专家继续合成轨迹并混入大量通用数据，每轮做 SFT 与 RL 多轮迭代得到最终模型。课程学习上先单轮后多轮调工具、先完整证明后引理式草稿证明。配套四类智能体工具：Lean4 Server（把完整 Proof 插入锚点直接指出错误代码片段，而非行列坐标）、语义一致性（LLM-as-Judge 校验 Formal Statement 与原始问题语义一致）、Theorem 一致性（基于规则禁止篡改证明目标）、Legality 验证（用轻量级 Lean4 词法语法分析器转 AST，排查约 9 种作弊手段：修改 Formal Statement、插入提前终止符 #exit、插入不存在的公理、用 macro/elab/syntax/notation 绕过编译等）。RL 阶段基于 LongCat-Flash-Thinking 使用的 DORA 框架，在 TIR 模式下训练，并针对 MoE 的训推不一致与 Staleness 引入分层策略：序列层面按所有 Token 的 IS Ratio 几何均值剔除超阈值序列的梯度、Token 层面剔除显著训推不一致的 Token、再对保留 Token 做标准 Clipping；损失从 Sequence-Mean-Token-Mean 调整为 Token-Mean。指标：MiniF2F-Test 仅用 72 次推理预算通过率 97.1%（已知开源 Prover 中 SOTA，TIR 带来最高 14% 提升）；MathOlympiad-Bench 46.7%（180 次预算）、ProofNet 52.2%、ProverBench 70.8%、PutnamBench 41.5%（118 次预算）；Auto-Formalization 在所有自动形式化基准上取得新最佳，MiniF2F-Test 与 ProofNet 上达 100%；相同计算预算下采用 Sketching 平均再提升约 10%。 团队将 LongCat-Flash-Prover 全面开源：GitHub https://github.com/meituan-longcat/LongCat-Flash-Prover 提供代码，HuggingFace https://huggingface.co/meituan-longcat/LongCat-Flash-Prover 提供模型权重，技术报告 PDF 为 https://github.com/meituan-longcat/LongCat-Flash-Prover/blob/main/LongCat_Flash_Prover_Technical_Report.pdf；正文开头与文末两次列出上述入口，研究与开发者可直接获取模型与完整技术报告。